Fallstudie RicketyRoo

FALLSTUDIE RICKETYROO

Diese Fallstudie stammt von Aimee Jurenka von RicketyRoo. Aimee hat mit Waikay ermittelt, wo KI-Modelle ein lokales Bauunternehmen nicht mit seinem Kernthema in Verbindung brachten. Sie hat eine strukturelle Content-Strategie entworfen und umgesetzt, um das zu beheben, und die Ergebnisse anschließend mit Waikay verfolgt und bestätigt.

Die Ergebnisse verdienen Beachtung. Eine einzige gezielte strukturelle Anpassung, ohne Redesign und ohne große Content-Offensive, hat die KI-Sichtbarkeits-Scores bei vier verschiedenen KI-Modellen innerhalb von zwei Monaten verbessert.

Diese Seite fasst eine Fallstudie zusammen, die ursprünglich Aimee Jurenka von RicketyRoo verfasst hat. Wenn du die vollständige Originalanalyse mit Methodik und Ergebnissen in Aimees eigenen Worten lesen möchtest, findest du sie auf der Website von RicketyRoo.

Die Originalfallstudie bei RicketyRoo lesen →

DAS PROBLEM

Aimees Ausgangspunkt war ein Topic Report von Waikay. Die Website hatte relevante Inhalte zu Marke, Leistung und Standort, aber die Waikay-Daten zeigten ein anderes Bild, als der Kunde erwartet hatte.

Die Werte zeigten, dass KI-Modelle Mühe hatten, die Marke sicher mit ihrem vorrangigen Thema zu verbinden. Die Inhalte waren da, aber sie waren verstreut. Es gab keine starke zentrale Seite, die Marke, Leistung und Standort so zusammenführte, dass KI-Systeme es leicht deuten konnten.

In der KI-Suche ist das wichtiger, als vielen bewusst ist. KI-Modelle lesen eine Website nicht wie ein Mensch, der sich durch die Seiten klickt und sich nach und nach ein Bild macht. Sie gleichen Muster mit dem ab, was die Trainingsdaten klar erkennen ließen. Verstreute Inhalte bedeuten verstreute Signale, und verstreute Signale bedeuten, dass das Modell raten muss.

Waikay hat dieses Problem sichtbar gemacht. Ohne die Daten wäre es für den Kunden völlig unsichtbar geblieben. Seine Inhalte existierten ja, also sah an der Oberfläche alles gut aus.

Aimees Hypothese war einfach: Hätte die Website einen stärkeren Content-Hub zu einem einzigen vorrangigen Thema, mit damit verknüpften unterstützenden Inhalten, würden KI-Systeme die Marke sicherer mit diesem Thema verbinden. Mit Waikay sollte geprüft werden, ob das stimmt.

DER ANSATZ VON RICKETYROO

 

Am 24. Oktober 2025 setzte Aimee für ein vorrangiges Thema eine gezielte Anpassung zum Aufbau der Entität um. Die Analyse der Content-Lücken von Waikay prägte jeden Schritt des Vorgehens.

Mit den Reports von Waikay ermittelte Aimee genau, welche Themen-Entität die Marke stärken musste. Dafür musste sie präzise festlegen, welche Kombination aus Marke, Leistung und Standort geschäftlich am wichtigsten war, und verstehen, wie KI-Modelle dieses Feld bisher beschrieben und wie sie es beschreiben sollten.

Es entstand eine neue zentrale Kategorieseite, die auf der Website das klarste mögliche Signal für das Zielthema setzen sollte. Sie wurde so aufgebaut, dass die Beziehung zwischen Marke, Leistung und Standort unmissverständlich ist, nicht nur für Menschen, die sie lesen, sondern auch für die KI-Systeme, die Waikay beobachtete.

Statt neue Inhalte von Grund auf zu erstellen, ermittelte Aimee mit der Lückenanalyse von Waikay, welche bestehenden Blogartikel relevant, aber nicht angebunden waren. Diese wurden neu geordnet, damit sie die neue Kategorieseite unterstützen und das Themencluster stärken. Das war kein Redesign. Es war eine Anpassung, die bei der Struktur ansetzt und sich direkt an dem orientierte, was laut den Waikay-Daten fehlte.

WIE WAIKAY DIE WIRKUNG GEMESSEN HAT

Aimee hat mit Waikay gemessen, wie gut verschiedene KI-Modelle die Marke vor und nach der Anpassung verstanden und mit dem Zielthema verbanden. Das lässt sich weder in Google-Rankings noch in der Website-Analyse ablesen. Dazu muss man KI-Modelle direkt per API abfragen, jede Antwort protokollieren und die Verknüpfung von Marke und Thema wiederholbar und vergleichbar bewerten. Genau dafür ist Waikay gebaut.

Der Sichtbarkeits-Score von Waikay zeigt, wie klar ein Modell ein Unternehmen mit einem bestimmten Thema verbindet. Ein höherer Wert bedeutet, dass das Modell zutreffende, zur Marke passende Informationen heranzieht, statt zu raten oder die Verbindung ganz zu verfehlen.

Aimee verglich die Waikay-Scores von zwei Zeitpunkten: vor der Anpassung am 18. Oktober 2025 und nach der Anpassung am 12. Dezember 2025. Verfolgt wurden vier KI-Modelle: Sonar Pro, ChatGPT 4.1, Gemini 2.5 und Gemini-grounded 2.5.

DIE ERGEBNISSE

KI-ModellVorherNachherVeränderungAnstieg in %
Sonar Pro8692+6+6,98 %
ChatGPT 4.18492+8+9,52 %
Gemini 2.58389+6+7,23 %
Gemini-grounded 2.58392+9+10,84 %

Nach Aimees Anpassung der Themen-Entität hat sich die KI-Sichtbarkeit bei allen vier Modellen verbessert, die Waikay verfolgte. Die Verbesserungen lagen je nach Modell zwischen 6,98 % und 10,84 %, und jedes Modell zeigte eine nennenswerte positive Veränderung.

Ohne Waikay wäre dieses Ergebnis nicht sichtbar gewesen. Es gibt keine klassische SEO-Kennzahl, die die Verknüpfung von Marke und Thema über KI-Modelle hinweg erfasst. Traffic-Daten hätten es nicht gezeigt. Rankings hätten es nicht gezeigt. Nur weil sie die Modelle direkt abfragte und die Scores über die Zeit verfolgte, konnte Aimee bestätigen, dass die strukturelle Strategie funktioniert hatte.

WAS DIE ERGEBNISSE BEDEUTEN

Der Zuwachs kam aus der Struktur, nicht aus der Masse. Es gab kein großes Redesign, keine Content-Produktion in großem Stil und keine Outreach-Kampagne. Nur eine klarere Content-Architektur, ermittelt mit den Daten von Waikay, die es KI-Systemen leichter machte zu verstehen, wofür die Marke bekannt sein sollte.

Für ein kleines lokales Unternehmen ist das eine wichtige Erkenntnis. Wenn du es KI-Systemen leichter machst, die Beziehung zwischen Marke, Leistung und Standort zu deuten, liefern diese Systeme zutreffendere und sicherere Antworten. In diesem Fall half Aimees gezielte Strategie für die Themen-Entität mehreren Modellen, die Marke besser mit dem individuellen Hausbau in Bend zu verbinden.

Auch dass das Ergebnis über die Modelle hinweg einheitlich ausfiel, ist von Bedeutung. Die Verbesserung zeigte sich bei allen vier Modellen, die Waikay verfolgte. Das deutet darauf hin, dass die strukturelle Änderung über die Klarheit der Inhalte wirkte und nicht eine Eigenheit im Verhalten eines bestimmten Modells ausnutzte.

WARUM DAS WICHTIG IST

In vielen Diskussionen über die KI-Suche klingt es noch immer so, als könnten nur große Marken mit eigenen Content-Teams ihre KI-Sichtbarkeit beeinflussen. Aimees Fallstudie widerspricht dem direkt.

Ein kleines lokales Bauunternehmen hat seine Sichtbarkeits-Scores bei Waikay verbessert, indem es ein Themencluster gestrafft und die internen Beziehungen zwischen den Inhalten seiner Website gestärkt hat. Die Investition war gezielt und überlegt, nicht groß.

Wenn KI-Modelle Mühe haben, eine Marke mit einem wichtigen Thema zu verbinden, ist die Antwort nicht immer, mehr Inhalte zu produzieren. Manchmal ist es besser, mit Waikay genau herauszufinden, wo die Lücke liegt, das Vorhandene darum herum zu ordnen und zu verfolgen, ob es gewirkt hat. Genau das hat Aimee getan.

Mit Waikay loslegen

Finde heraus, was KI-Modelle über deine Marke sagen

Verfolge, wie klar KI-Modelle deine Marke mit den Themen verbinden, die für dein Geschäft zählen. Erkenne Lücken, beobachte den Fortschritt über mehrere Modelle hinweg und erhalte einen GEO Action Plan, der dir genau sagt, was zu beheben ist.

Kostenloses Waikay-Konto erstellen

Genie Jones is a Knowledge Graph Manager at InLinks and Waikay. A Warwick University graduate with a degree in Language, Culture, and Communications, she combines her passion for linguistics with website optimization. Genie specializes in using linguistic insights to enhance content structure, improve SEO, and manage knowledge graphs, helping brands connect effectively with their audiences.